Validasi Model METODE PENELITIAN

4.5. Validasi Model

Hal penting lain yang diperhitungkan dalam melakukan proyeksi ini adalah menghitung keakuratan model dalam menghasilkan proyeksi peubah endogenus. Beberapa nilai ukuran statistik yang tersedia untuk menilai kemampuan suatu model dalam melakukan simulasi Sitepu, 2006. Tingkat keakuratan ini diukur berdasarkan kriteria-kriteria nilai-nilai Mean Error ME, Mean Percent Error MPE, Mean Absolute Error MAE, Mean Absolute Percent Error MAPE, Mean Square Error MSE, Root Mean Square Error RMSE dan Root Mean Percentage Square Error RMPSE. Apabila nilai-nilai di atas mendekati nol maka dimulasi model mengikuti nilai-nilai aktualnya. Nilai-nilai ini akan secara langsung dihitung dengan menggunakan program komputer dan tidak dijelaskan secara lebih rinci dalam penjelasan penelitian ini. Dalam simulasi kebijakan, tingkat absolut dari peubah tidak terlalu menjadi perhatian utama, sebab yang lebih penting adalah bagaimana dampak perubahan eksogen atau instrumen terhadap varibel endogen di dalam sistem. Untuk mengetahui kemampuan model dalam peramalan maka ketepatan peramalan untuk model ekonometrika diukur dengan koefisien U-Theil atau Theils inequality. Statistik U-Theil selalu bernilai antara 0 dan 1. Jika U=0 maka model secara historis adalah sempurna atau mencapai kesempurnaan peramalan. Sebaliknya jika U=1, maka model adalah tidak lebih baik dari peramalan perubahan nol atau naif dalam peramalan. Statistik U dihasilkan dari nilai regresi aktual dan dari nilai simulasi, dan dapat diuraikan ke dalam komponen bias, regresi serta disturban yang apabila dijumlahkan sama dengan satu. Pindyck dan Rubinfeld 1991 mengatakan bahwa proporsi bias adalah indikator kesalahan sistematik yang ditunjukkan oleh penyimpangan nilai simulasi dari nilai aktualnya, proporsi regresi adalah indikator kesalahan dari komponen regresi yang menunjukkan penyimpangan kemiringan slope regresi dengan nilai aktualnya, dan proporsi disturban adalah komponen bias residual sebagai kesalahan yang tidak sistematik. Optimalnya komponen bias dan regresi adalah mendekali nol dan komponen disturban mendekati satu. Dalam melakukan proyeksi dengan model simultan ini, dalam prakteknya secara langsung nilai proyeksi untuk peubah- peubah endogen yang ditentukan secara langsung diperoleh dari hasil program pengolahan model dengan menggunakan programaplikasi komputer SASETS Statistical Analysis System Econometric Times Series version 9.1 Seluruh besaran dan nilai dalam proyeksi ini didapat sebagai output pengolahan SASETS.

4.6. Simulasi Dampak Kebijakan Perdagangan